| 大会名称 |
|---|
| 2017年 総合大会 |
| 大会コ－ド |
| 2017G |
| 開催年 |
| 2017 |
| 発行日 |
| セッション番号 |
| A-1 |
| セッション名 |
| 回路とシステム |
| 講演日 |
| 2017/3/24 |
| 講演場所(会議室等) |
| 共通講義棟南 403 |
| 講演番号 |
| A-1-27 |
| タイトル |
| ハイブリッド近似法によるtanh活性化関数回路を有するDeep Belief Networkの効率的なハードウェア実装 |
| 著者名 |
| ○武藤陽子, 徐 祖楽, 河原尊之, |
| キーワード |
| ニューラルネット, 活性化関数, FPGA |
| 抄録 |
| 近年普及するIoT，そして“モノ”の人工知能化の時代に向け，従来ソフトウェアで実装されてきたAI機能の専用ハードウェアによる実装は，処理時間や消費電力の大幅な削減に繋がる．AI機能を実現するニューラルネットワーク(NN)の基本要素である，非線形活性化関数のディジタル回路実装は，精度と実装面積とがトレードオフの関係にある．高い近似精度はNNの認識精度改善に寄与するが，実装面積が大きくなり，消費電力が増加する．本稿では，必要な一定の近似精度を有しながら，省面積及び低消費電力で実現可能な非線形活性化関数回路について区分線形近似法とLUTを組み合わせたハイブリッド近似法を用いる方式を考案し，FPGAを用いその有効性を検証した． |
| 本文pdf |
|
PDF download
|